2025 年 10 月 16 日，中国信息通信研究院（简称 “信通院”）人工智能研究所携手中国人工智能产业发展联盟、全国智能计算标准化工作组，在全国智能计算标准化工作组年度会议期间，正式发布《科研智能：人工智能赋能工业仿真研究报告（2025 年）》。这份聚焦 AI 与工业仿真深度融合的行业报告，不仅系统剖析了当前技术落地痛点与突破路径，更首次明确 “数据 + 物理” 双驱动的智能仿真新范式，为制造业从 “经验研发” 向 “数据决策” 转型提供关键技术参考。
报告指出，随着制造业向高端化、智能化升级，产品结构日趋复杂，极端工况、多物理场耦合等场景对仿真精度与效率的要求大幅提升。传统工业仿真依赖物理求解器，存在计算周期长（部分复杂场景需数天至数周）、多学科协同难、全生命周期覆盖不足等瓶颈，已难以适配当前 “快速迭代、精准研发” 的产业需求。而 AI 技术的成熟 —— 尤其是物理信息机器学习（PINN）、工业大模型、神经算子等技术的突破，正成为破解这一困境的核心力量。
在技术落地层面，报告将 AI 赋能工业仿真的路径划分为三大核心模式。数据驱动模式通过训练海量历史仿真数据构建代理模型，可将复杂场景的仿真响应时间从小时级压缩至秒级，典型应用于汽车碰撞测试、电子产品散热分析等高频迭代场景；物理驱动模式则将流体力学、热力学等物理定律嵌入 AI 模型架构，解决数据稀缺场景下的仿真精度问题，在航空发动机叶片设计、核反应堆安全分析中表现突出；融合驱动模式作为当前主流方向，通过 “传统求解器计算核心 + AI 模块优化修正” 的协同架构，既保留物理模型的可靠性，又借助 AI 提升计算效率，已在高端装备研发中实现规模化应用。
报告中披露的多行业实践案例，直观展现了技术价值。在轨道交通领域，某车企基于 AI 的动车组空气动力学仿真模型，将整车风阻优化分析周期从 3 天缩短至 15 分钟，同时精度保持率达 92%；航空航天领域，国内科研团队开发的客机翼型智能设计系统，通过 AI 遍历设计空间，在 2 周内完成传统方法需 3 个月的翼型优化，使燃油效率提升 5%；电力行业更实现技术突破 ——GPU 加速与 AI 结合的电网负荷仿真方案，计算速度较传统方法提升 1000 倍，可支持电网实时调度决策。此外，CAD 领域的生成式设计、CAE 领域的全流程自动化验证等创新应用，也在逐步重构研发流程，降低技术门槛。
针对行业现存挑战，报告明确三大核心痛点：一是 “数据孤岛” 问题突出，不同企业、不同软件的仿真数据格式不统一，难以形成规模化训练数据集；二是部分 AI 模型缺乏物理可解释性，在关键安全领域的应用受限；三是中小企业面临 “技术成本高、人才缺口大” 的落地障碍。对此，报告提出四项推进建议：加快制定工业仿真数据共享标准，建立跨企业、跨领域的公共数据平台；加强物理信息 AI 算法研发，提升模型的科学性与可信度；构建 AI 仿真技术可信认证体系，明确不同场景的应用边界；推动 “仿真即服务（SaaS）” 模式普及，通过云平台降低中小企业使用门槛。
“AI 与工业仿真的融合，不是简单的技术叠加，而是研发逻辑的重塑。” 信通院人工智能研究所平台与工程化部主任曹峰在发布会上强调，未来随着神经算子等技术的成熟，AI 将进一步突破多物理场耦合、极端工况仿真等技术难点，同时自动化建模、自然语言交互等工具的普及，将让仿真技术从 “专家专属” 走向 “全员可用”，最终推动制造业研发效率的整体性跃升。
业内专家表示，这份报告的发布为产业发展提供了清晰路线图。在 AI 技术的持续赋能下，工业仿真将逐步从 “研发环节的辅助工具” 升级为 “全生命周期的决策中枢”，为汽车、航空航天、高端装备等关键领域的高质量发展注入新动能。
